Konsep dan model temu balik informasi

Anggota kelompok Joko Prayogi (14.11.0191) Yuliani Dwi Asih (14.11.0194) Mujiyati (14.11.0195) Uswatun Khasanah (14.11.0196) Randito Tuah Randhika (14.11.0202) Avief Widya Setyawan (14.11.0200) Rizal Anjas Prasetyo (14.11.0203) Kharis Ardi Purnomo (14.11.0208)

Konsep temu balik informasi

Penulis mempresentasikan sekumpulan ide dalam sebuah dokumen menggunakan sekumpulan konsep. Terdapat beberapa pengguna yang memerlukan ide yang dikemukakan oleh penulis tersebut, tapi mereka tidak dapat mengidentifikasikan dan menemukannya dengan baik. Sistem temu kembali informasi bertujuan untuk mempertemukan ide yang dikemukakan oleh penulis dalam dokumen dengan kebutuhan informasi pengguna yang dinyatakan dalam bentuk pertanyaan (query).

model temu balik informasi Model Information Retrieval adalah model yang digunakan untuk melakukan pencocokan antara term-term dari query dengan term-term dalam document collection. Model yang terdapat dalam Information retrieval terbagi dalam 3 model besar, yaitu: Set-theoritic models Algebratic model Probabilistic model

Set-theoritic models, model merepresentasikan dokumen sebagai himpunan kata atau frase. Contoh model ini ialah standard Boolean model dan extended Boolean model. Algebratic model, model merepresentasikan dokumen dan query sebagai vektor atau matriks similarity antara vektor dokumen dan vektor query yang direpresentasikan sebagai sebuah nilai skalar. Contoh model ini ialah vektor space model (model ruang vektor) dan latent semantic indexing (LSI). Probabilistic model, model memperlakukan proses pengambilan dokumen sebagai sebuah probabilistic inference.Contoh model ini ialah penerapan Teorema bayes dalam model probabilistik.

Generalized Vektor Space Model (GVSM) Generalized Vektor Space Model merupakan perluasan dari vektor space model (VSM) yaitu dengan menambahkan jenis informasi tambahan, disamping term, dalam merepresentasikan dokumen.   Vector Space Model Model ruang vektor dibuat berdasarkan pemikiran bahwa isi dari dokumen ditentukan oleh kata-kata yang digunakan dalam dokumen tersebut. Model ini menentukan kemiripan (similarity) antara dokumen dengan query dengan cara merepresentasikan dokumen dan query masing-masing ke dalam bentuk vektor. Latent Semantic Indexing (LSI) Latent Semantic Indexing adalah sebuah teknik berbasis bidang vektor (vector space) yang dapat menciptakan asosiasi antara dokumen-dokumen yan dapat menciptakan asosiasi antara dokumen-dokumen yang berhubungan secara konseptual.